Cuando la IA se convierte en infraestructura: la visión de Sam Altman en una entrevista con Rowan Cheung y la reorganización de la economía digital

El cambio imparable no comienza mañana, sino que ya está en marcha; solo unos pocos lo notan a tiempo.

Los días en que la inteligencia artificial se consideraba una tecnología futurista del futuro han quedado atrás. Lo que Sam Altman presentó en su entrevista con Rowan Cheung a principios de octubre de 2025 ya no es una visión, sino una evaluación de una transformación ya en marcha. Con 800 millones de usuarios activos semanales, ChatGPT ha alcanzado la masa crítica necesaria para evolucionar de un producto a una plataforma. Las cinco tesis centrales de esta conversación —ChatGPT como plataforma de distribución, Agent Builder como herramienta de democratización, la visión de las empresas de cero personas, los avances científicos impulsados ​​por la IA y la normalización de los medios sintéticos— marcan puntos de inflexión en la forma en que las empresas crearán, distribuirán y escalarán valor en el futuro. Este análisis examina las raíces históricas de este desarrollo, sus mecanismos actuales y las implicaciones estratégicas para las empresas que desean no solo sobrevivir, sino prosperar en esta nueva era.

Más sobre esto aquí:

• Entrevista de YouTube con Rowan Cheung: Sam Altman habla sobre empresas de IA sin personal, Sora, avances en AGI y más

La evolución de los modelos de distribución: de las tiendas de aplicaciones a los ecosistemas conversacionales

Para comprender la importancia de ChatGPT como plataforma de distribución, conviene repasar la historia de los canales de distribución digital. El avance del iPhone en 2007 y el lanzamiento de la App Store en 2008 crearon un paradigma completamente nuevo: el software ya no se vendía en tiendas, sino que se descubría y descargaba en mercados digitales. Apple controlaba la distribución y se llevaba el 30 % de cada transacción. Este modelo se convirtió en el modelo para prácticamente todas las plataformas posteriores.

La siguiente evolución llegó con redes sociales como Facebook, que permitieron la distribución directamente en el feed de noticias, en lugar de a través de una tienda independiente. La publicidad se convirtió en el modelo de negocio dominante porque la atención se generaba donde ya estaban los usuarios. El principio: llevar la funcionalidad a donde están los usuarios, en lugar de enviarlos a un lugar aparte.

ChatGPT marca ahora la tercera etapa de su evolución. En el DevDay 2025, OpenAI no solo presentó nuevos modelos, sino que también impulsó una transformación radical. Con el SDK de Apps, los desarrolladores pueden integrar aplicaciones interactivas directamente en el chat. Los usuarios pueden crear listas de reproducción de Spotify, buscar propiedades con Zillow o crear diseños con Canva sin tener que salir de ChatGPT. La conversación en sí misma se convierte en la interfaz, el sistema operativo y la plataforma de distribución. Este desarrollo es fundamentalmente diferente de la anterior Tienda GPT, que existía como un elemento independiente. Las apps ahora se integran a la perfección en el flujo de la conversación. OpenAI, por tanto, sigue la estrategia de iOS: controlar la capa de inteligencia, proporcionar herramientas para desarrolladores y distribuir entre una enorme base de usuarios de 800 millones de usuarios activos semanales.

El desarrollo histórico muestra un patrón claro: cada nueva plataforma reduce la fricción entre la intención y la ejecución. La App Store redujo la fricción en comparación con las tiendas físicas, las redes sociales la redujeron en comparación con las aplicaciones independientes, y ChatGPT ahora la reduce al lenguaje natural. Ya no necesitas saber qué aplicación necesitas; simplemente expresas lo que quieres lograr.

Paralelamente a este desarrollo, se ha producido la evolución de los modelos de negocio. Si bien las primeras empresas de software dependían de la venta de licencias, posteriormente predominaron los modelos basados ​​en suscripciones y publicidad. OpenAI introduce ahora una nueva dimensión con el Protocolo de Comercio Agenético: las transacciones pueden completarse directamente en el chat. El Pago Instantáneo permite realizar compras sin interrupciones en los medios. Esto crea una nueva categoría de comercio que no es ni comercio electrónico ni comercio social, sino comercio conversacional. Las empresas que no están presentes en este ecosistema corren el riesgo de perder una base masiva de usuarios. Tan solo en las primeras semanas tras el anuncio del SDK de Apps, se registraron más de 50.000 desarrolladores. Esta dinámica recuerda a los inicios del iPhone, cuando los desarrolladores se dieron cuenta del surgimiento de una nueva plataforma en la que debían estar presentes.

La relevancia estratégica para las empresas es inmensa. Cualquiera que no se encuentre en el chat hoy en día simplemente no existe para un número creciente de usuarios. La pregunta ya no es si se necesita un sitio web o una aplicación, sino si se tiene presencia conversacional. La distribución se está replanteando: se aleja de los embudos de conversión, el SEO y la optimización de la tienda de aplicaciones, y se centra en la visibilidad del lenguaje natural y la relevancia contextual.

El constructor de agentes: la democratización de la automatización y sus consecuencias disruptivas

La segunda tesis central de la entrevista de Altman se centra en la reducción drástica de las barreras de entrada para el desarrollo de agentes de IA. Con Agent Builder, OpenAI ha creado una herramienta visual y sin código que permite a cualquier trabajador del conocimiento crear, probar e implementar agentes autónomos. Esta democratización no es solo una estrategia de marketing, sino un cambio fundamental en la cuestión de quién puede dar forma a la automatización.

Históricamente, la automatización siempre ha sido dominio de especialistas. La industrialización de los siglos XVIII y XIX requirió ingenieros e ingenieros mecánicos. La digitalización de finales del siglo XX requirió programadores y departamentos de TI. La automatización robótica de procesos de la década de 2010 redujo los requisitos técnicos, pero siguió siendo una herramienta para equipos dedicados. El Creador de Agentes rompe radicalmente con esta tradición. Un gerente de marketing puede crear un agente que genere informes semanales. Un representante de ventas puede configurar un agente que genere presupuestos. Un abogado puede desarrollar un agente que revise los contratos en busca de cláusulas específicas. La barrera entre la idea y la implementación se reduce al mínimo.

Este desarrollo sigue un patrón familiar en la historia del software: la abstracción permite la escalabilidad. A medida que los lenguajes de programación evolucionaron del código máquina a lenguajes de alto nivel, más personas pudieron desarrollar software. Con la evolución de las hojas de cálculo, de VisiCalc a Excel, millones de personas sin conocimientos de programación pudieron realizar cálculos complejos. Agent Builder es el siguiente nivel de esta abstracción. Abstrae no solo el código, sino también flujos de trabajo completos, lógica de decisión e integraciones.

Las implicaciones son de gran alcance. Durante los próximos doce meses, las empresas explorarán intensamente el uso de agentes. No porque sea tecnológicamente fascinante, sino porque sus competidores lo están haciendo. Los primeros en adoptarlo ya reportan importantes mejoras de productividad. El banco español BBVA creó más de 2900 GPT personalizados en seis meses, y el 80% de los usuarios reportan ahorros de tiempo semanales de más de dos horas. Estas cifras pueden parecer conservadoras, pero multiplicadas por miles de empleados, resultan en enormes mejoras de eficiencia.

Altman enfatizó en la entrevista que el trabajador del conocimiento promedio ahora puede crear sus propios agentes. La consecuencia: cada departamento puede desarrollar su propia automatización sin depender de recursos de TI centralizados. Esto conduce a una descentralización de la capacidad de innovación. La automatización ya no depende del presupuesto de TI, sino de la iniciativa de cada equipo. La ventaja competitiva reside en quienes experimentan con rapidez. Las empresas que aún esperan soluciones perfectas y centralizadas están siendo superadas por equipos ágiles que comienzan con agentes simples y los mejoran iterativamente.

Sin embargo, este desarrollo también conlleva riesgos. El desarrollo descentralizado de agentes puede generar procesos fragmentados, brechas de seguridad y desafíos de gobernanza. ¿Quién puede usar qué datos? ¿Cómo se auditan los agentes? ¿Qué estándares de calidad se aplican? Las empresas deben desarrollar marcos que faciliten la innovación sin perder el control. Las organizaciones exitosas serán aquellas que logren un equilibrio entre la experimentación y la gobernanza, entre la velocidad y la seguridad.

El Agent Builder también envía un mensaje a la industria del software. Herramientas como Zapier, Make y las soluciones tradicionales de RPA se enfrentan al reto de que su función principal —la automatización de flujos de trabajo— se integre directamente en las interfaces conversacionales. La pregunta no es si estas herramientas desaparecerán, sino cómo deben reposicionarse para seguir siendo relevantes.

De empresas unipersonales a empresas ceropersonales: la reorganización de la creación de valor y el trabajo

La tercera tesis es la más provocadora: Altman habló de una apuesta entre los directores ejecutivos del sector tecnológico sobre cuándo surgiría la primera empresa de cero personas con un valor de mil millones de dólares. La apuesta se centraba inicialmente en la primera empresa de mil millones de dólares con una persona. Pero los avances avanzan más rápido de lo previsto. Altman predice que esto podría hacerse realidad en años, no décadas.

Para comprender la magnitud, es necesario considerar la evolución histórica del tamaño de las empresas y la creación de valor. En la era industrial, los ingresos y el número de empleados estaban estrechamente correlacionados. Una mayor producción requería más trabajadores. La era digital comenzó a romper esta correlación. Instagram se vendió a Facebook por mil millones de dólares en 2012, con 13 empleados. WhatsApp alcanzó una valoración de 19 mil millones de dólares en 2014, con 55 empleados. Estos ejemplos demostraron que el software y los efectos de red pueden generar un apalancamiento extremo.

La siguiente etapa son las empresas unipersonales que escalan con agentes de IA. El emprendedor utiliza agentes para atención al cliente, marketing, desarrollo de productos, ventas y finanzas. Esta visión suena futurista, pero ya es tecnológicamente viable. La IA puede escribir código, crear diseños, redactar textos de marketing, responder a las consultas de los clientes y analizar datos. Los factores limitantes ya no son principalmente técnicos, sino más estratégicos: ¿Qué problema se está resolviendo? ¿Para quién? ¿Y cómo se llega a este público objetivo?

Altman va un paso más allá: empresas sin personal. Agentes que operan de forma autónoma, toman decisiones, asignan recursos y crean valor, sin intervención humana en las operaciones. Las personas no desaparecerían, sino que asumirían roles estratégicos y de orquestación. Definirían objetivos, establecerían marcos y supervisarían los resultados. Los agentes se encargarían de la ejecución.

Esta visión plantea preguntas fundamentales. Si un agente puede dirigir una empresa, ¿qué aportación humana queda? Altman argumenta que el impulso, la creatividad y el criterio humanos no están desapareciendo, sino que están aflorando a nuevas áreas. El trabajo está cambiando de ejecutivo a creativo, de reactivo a visionario. Pero esta transformación no está exenta de dificultades. Perfiles laborales completos se están volviendo obsoletos. Los trabajadores del conocimiento, cuyas actividades consisten principalmente en procesar información, se enfrentan al reto de redefinir su rol.

Altman utilizó una metáfora interesante en la entrevista: Un agricultor de hace 50 años probablemente no percibiría el trabajo de oficina actual como un trabajo real. La agricultura produce alimentos, algo esencial para la vida. Desde esta perspectiva, muchos trabajos modernos parecen juegos para matar el tiempo. En la era de la IAG, este patrón podría repetirse. Las generaciones futuras podrían percibir nuestro trabajo actual como menos real de lo que consideran significativo.

Esta dimensión filosófica aborda la pregunta central: ¿Qué es el trabajo? ¿Y por qué trabaja la gente? Si las necesidades materiales pueden satisfacerse eficientemente mediante la IA y la automatización, la pregunta pasa de la necesidad al significado. Las personas seguirán buscando la trascendencia, el reconocimiento y la autorrealización. Sin embargo, las formas en que esto sucederá cambiarán drásticamente.

Para las empresas, esto significa: la ventaja competitiva del futuro no reside en la idea, sino en la velocidad con la que se implementa con los agentes. El escalamiento tradicional requería capital, talento y tiempo. Los agentes de IA reducen estos tres factores. Se necesita menos capital porque se reducen los costos operativos. El talento se requiere de forma diferente: menos ejecutivo, más estratégico. El tiempo se reduce porque los agentes trabajan 24/7, no se cansan y pueden replicarse rápidamente.

La consecuencia: Los mercados se están volviendo más dinámicos, las ventajas competitivas son cada vez más cortas y las barreras de entrada son cada vez más bajas. Las empresas consolidadas deben preguntarse cómo pueden adaptar sus procesos, culturas y modelos de negocio a un mundo en el que un pequeño equipo de agentes inteligentes puede revolucionar un mercado que han dominado durante décadas.

Señal AGI: Cuando las máquinas crean nuevo conocimiento

La cuarta tesis se refiere a un salto cualitativo: la IA comienza a realizar auténticos descubrimientos científicos. Altman describió este momento como el momento en que la IA ya no se limita a reorganizar el conocimiento existente, sino que genera nuevo conocimiento: descubrimientos novedosos. Esta capacidad es una característica crucial de la inteligencia artificial general.

Históricamente, el progreso científico era una actividad exclusivamente humana. Los investigadores formulaban hipótesis, realizaban experimentos, analizaban datos y extraían conclusiones. Las máquinas proporcionaban apoyo —por ejemplo, mediante cálculos o simulaciones—, pero la creación de hipótesis seguía siendo humana. Esta frontera se difumina cada vez más.

AlphaFold de DeepMind revolucionó el plegamiento de proteínas al predecir estructuras que a los humanos les habría llevado décadas lograr. Los modelos de IA generativa del MIT diseñaron nuevas clases de antibióticos eficaces contra bacterias resistentes. o3 y Gemini Deep Think de OpenAI obtuvieron la medalla de oro en la Olimpiada Internacional de Matemáticas, no por memorización, sino por la resolución autónoma de problemas. Estos ejemplos demuestran que la IA es cada vez más capaz de explorar territorios desconocidos y encontrar soluciones originales.

Altman enfatizó que este desarrollo apenas está comenzando. Predice que la IA logrará avances científicos en campos como la medicina, la ciencia de los materiales y la física en los próximos años. Estos avances no solo serán graduales, sino que potencialmente cambiarán paradigmas fundamentales. Si la IA puede realizar investigaciones con mayor rapidez y precisión que los humanos, el progreso científico se acelerará exponencialmente.

Las implicaciones para las empresas son enormes. Los ciclos de investigación y desarrollo se están acortando. Las compañías farmacéuticas pueden descubrir y desarrollar nuevos fármacos con mayor rapidez. Los fabricantes de materiales pueden simular nuevas aleaciones o plásticos antes de su producción. Las empresas energéticas pueden diseñar baterías o células solares más eficientes. La ventaja competitiva está pasando de quienes disponen de más recursos a quienes poseen los sistemas más inteligentes.

Pero este cambio también plantea cuestiones éticas y estratégicas. Cuando la IA realiza descubrimientos científicos, ¿quién los posee? ¿La empresa que la opera? ¿El desarrollador de la IA? ¿La sociedad? Las respuestas a estas preguntas no están claras y serán objeto de intensos debates en los próximos años.

Además, el rol de los investigadores humanos está cambiando. En lugar de realizar experimentos ellos mismos, se están convirtiendo en curadores, generadores de hipótesis e intérpretes. Definen preguntas, evalúan resultados y establecen límites éticos. El trabajo se está volviendo más creativo y estratégico, menos rutinario y repetitivo. Esto requiere una reorientación de la formación. Los científicos deben aprender a colaborar con los sistemas de IA, comprender sus fortalezas y limitaciones, y desarrollar sus propias habilidades complementarias.

Altman hizo una predicción interesante: la humanidad se acostumbrará a los avances científicos impulsados ​​por la IA. Inicialmente, habrá un período de dos semanas de entusiasmo, luego el descubrimiento se convertirá en la norma. Este proceso de normalización es característico del progreso tecnológico. Lo que hoy parece extraordinario, mañana será común. El reto para las empresas es internalizar esta velocidad de cambio y adaptar sus estrategias en consecuencia.

Medios sintéticos: cuando la realidad y la IA se difuminan

La quinta tesis se centra en los medios sintéticos y la rápida normalización del contenido generado por IA. Altman describió lo extraño que fue al principio ver los vídeos generados por Sora, y lo rápido que esta extrañeza desapareció. Después de tres minutos, era simplemente una aplicación llena de vídeos generados. Esta velocidad de normalización tiene profundas consecuencias para las marcas, los medios de comunicación y la sociedad.

Históricamente, la producción de contenido multimedia era compleja y costosa. Las fotografías requerían cámaras, las películas estudios y equipos, y la música instrumentos y equipos de grabación. Estas barreras garantizaban cierto nivel de control de calidad y autenticidad. Con la tecnología digital, estas barreras fueron desapareciendo gradualmente. Los teléfonos inteligentes permitieron a cualquiera crear fotos y videos. Las redes sociales permitieron a cualquiera distribuirlos. Sin embargo, a pesar de esta democratización, se mantuvo un núcleo de autenticidad: una fotografía mostraba algo que existía frente a la cámara.

Los medios sintéticos rompen radicalmente esta premisa. Sora 2 puede generar vídeos fotorrealistas, pero nunca grabados. Rostros, voces, escenas: todo se puede sintetizar. Con la función Cameo, OpenAI introdujo la posibilidad de integrar el propio rostro y voz en vídeos generados por IA. Esto abre nuevas posibilidades creativas, pero también conlleva riesgos considerables.

Los deepfakes ya son un problema consolidado. Vídeos manipulados de políticos, recomendaciones falsas de famosos, contenido pornográfico sintético sin el consentimiento de los sujetos: las posibilidades de uso indebido son múltiples. OpenAI intenta contrarrestar estos riesgos con medidas de seguridad multicapa. Los filtros rápidos impiden la generación de contenido que incluya a políticos o famosos sin permiso. Todos los vídeos de Sora llevan marcas de agua digitales y metadatos que los identifican como generados por IA. Clasificadores y moderadores humanos supervisan el contenido generado.

A pesar de estas medidas, persiste un riesgo residual. Reality Defender demostró que los mecanismos de seguridad de Sora pueden eludirse. En las pruebas, superaron con éxito deepfakes de figuras prominentes, mientras que sus propias herramientas de detección los identificaron con una precisión superior al 95 %. Esto demuestra que la seguridad de los medios sintéticos es una competencia entre las medidas de protección y los intentos de eludirlas.

Para las empresas, esto significa que es esencial contar con directrices claras sobre IA y procesos de seguridad de marca. Las marcas deben definir cómo utilizan los medios sintéticos y cómo garantizan que el contenido manipulado no dañe sus valores de marca. La transparencia se convierte en un principio clave. Los usuarios deben saber cuándo el contenido es generado por IA. Regulaciones como la Ley de IA de la UE ya exigen el etiquetado de los medios sintéticos. Las empresas que establecen estándares transparentes de forma proactiva generan confianza. Quienes no lo hacen se arriesgan a dañar su reputación.

Al mismo tiempo, los medios sintéticos abren enormes oportunidades creativas y económicas. Las campañas de marketing se pueden personalizar: un vídeo que varía ligeramente para cada espectador resulta más relevante. Se pueden crear visualizaciones de productos en segundos, sin costosas sesiones de fotos. El contenido de formación se puede traducir automáticamente a diferentes idiomas y contextos culturales. El aumento de productividad es inmenso.

Altman enfatizó la necesidad de probar con audacia nuevos formatos de contenido. Las empresas que se basan en métodos probados serán superadas por aquellas que experimentan. El desafío es equilibrar la innovación y la responsabilidad. Quienes son demasiado cautelosos pierden oportunidades. Quienes son demasiado descuidados se arriesgan a escándalos.

No se debe subestimar la dimensión social. Si cualquiera puede crear videos fotorrealistas, la confianza en los medios visuales se erosionará. Lo que antes se consideraba una prueba —una foto, un video— se vuelve cada vez más cuestionable. Esto tiene implicaciones para el periodismo, el sistema judicial y el discurso público. Las organizaciones deben desarrollar mecanismos para verificar la autenticidad. La Coalición para la Procedencia y Autenticidad del Contenido está trabajando en estándares para la prueba digital del origen. Las empresas que apoyan e implementan estos estándares contribuyen a estabilizar el ecosistema digital.

Una nueva dimensión de transformación digital con IA Gestionada (Inteligencia Artificial) – Plataforma y Solución B2B | Xpert Consulting - Imagen: Xpert.Digital

Aquí aprenderá cómo su empresa puede implementar soluciones de IA personalizadas de forma rápida, segura y sin grandes barreras de entrada.

Una Plataforma de IA Gestionada es su paquete integral y sin preocupaciones para la inteligencia artificial. En lugar de lidiar con tecnología compleja, infraestructura costosa y largos procesos de desarrollo, recibirá una solución integral adaptada a sus necesidades de un socio especializado, a menudo en cuestión de días.

Los beneficios clave de un vistazo:

⚡ Implementación rápida: De la idea a la aplicación operativa en días, no meses. Ofrecemos soluciones prácticas que generan valor inmediato.

🔒 Máxima seguridad de datos: Tus datos confidenciales permanecen contigo. Garantizamos un procesamiento seguro y conforme a la normativa sin compartirlos con terceros.

💸 Sin riesgo financiero: Solo pagas por los resultados. Se eliminan por completo las altas inversiones iniciales en hardware, software y personal.

🎯 Concéntrese en su negocio principal: Concéntrese en lo que mejor sabe hacer. Nos encargamos de toda la implementación técnica, la operación y el mantenimiento de su solución de IA.

📈 Escalable y a prueba de futuro: Su IA crece con usted. Garantizamos la optimización y la escalabilidad continuas, y adaptamos los modelos con flexibilidad a las nuevas necesidades.

Más sobre esto aquí:

• La solución de IA gestionada - Servicios de IA industrial: la clave para la competitividad en los sectores de servicios, industrial y de ingeniería mecánica

Implementación práctica: Cómo las empresas integran los cinco puntos de vista

Los conocimientos teóricos son valiosos, pero su implementación práctica es crucial. Dos casos prácticos concretos ilustran cómo las empresas ya utilizan las cinco afirmaciones.

El primer ejemplo proviene del sector financiero. El banco español BBVA implementó ChatGPT Enterprise y permitió a los empleados crear sus propias GPT. En seis meses, se crearon más de 2900 aplicaciones personalizadas. Los departamentos legales utilizan agentes para revisar contratos, los equipos de marketing generan campañas personalizadas y los analistas financieros automatizan los informes. El resultado: el 80 % de los usuarios ahorra más de dos horas semanales. La distribución se realiza directamente en el entorno de trabajo: los empleados no tienen que abrir herramientas independientes, sino que trabajan en la interfaz familiar de ChatGPT. El reto reside en la integración con los sistemas existentes. BBVA está trabajando para conectar ChatGPT con bases de datos internas para obtener información aún más detallada. Este ejemplo demuestra cómo la democratización del desarrollo de agentes y la plataforma de ChatGPT se combinan para lograr importantes mejoras de eficiencia.

El segundo ejemplo proviene de la industria automotriz. Toyota utiliza mantenimiento predictivo asistido por IA para reducir el tiempo de inactividad. Los sensores en los equipos de producción recopilan datos que son analizados por modelos de IA. Estos modelos identifican patrones que indican fallas inminentes y permiten el mantenimiento preventivo. El resultado: una reducción del 25 % en el tiempo de inactividad, un aumento del 15 % en la efectividad general de los equipos y un ahorro anual de diez millones de dólares. El retorno de la inversión (ROI) fue de aproximadamente el 300 %. Este ejemplo ilustra cómo la IA no solo puede optimizar los procesos administrativos, sino también integrarse en los entornos físicos de producción. La capacidad de la IA para extraer información y realizar predicciones a partir de grandes cantidades de datos corresponde a la cuarta afirmación: la IA genera nuevo conocimiento; en este caso, sobre cuándo es probable que fallen las máquinas.

Ambos ejemplos demuestran factores de éxito comunes. En primer lugar, una cultura de experimentación. Las empresas que dan a sus empleados la libertad de experimentar con herramientas de IA descubren aplicaciones útiles con mayor rapidez. En segundo lugar, marcos de gobernanza. Sin directrices claras sobre protección, seguridad y calidad de datos, surgen riesgos. En tercer lugar, un enfoque iterativo. Esperar soluciones perfectas desde el principio no es realista. En cambio, las empresas deberían empezar con aplicaciones sencillas, aprender y mejorar continuamente. En cuarto lugar, la integración. Las herramientas de IA alcanzan su máximo potencial cuando se integran a la perfección en los flujos de trabajo existentes, en lugar de existir como islas separadas.

Controversias y debate crítico: Los riesgos de un mundo feliz

Si bien estas cinco hipótesis son prometedoras, también plantean importantes preguntas y controversias. La primera se refiere a la pérdida de empleos. Si los agentes asumen tareas que antes realizaban los trabajadores del conocimiento, ¿qué les sucederá? El argumento de Altman de que el trabajo se está transformando es optimista, pero no está exento de controversia. Históricamente, las disrupciones tecnológicas han creado nuevos empleos, pero a menudo no con la suficiente rapidez ni en los mismos sectores. La fase de transición puede causar agitación social. Goldman Sachs estima que la automatización del trabajo del conocimiento mediante IA podría ahorrar 1,5 billones de dólares en costos laborales globales, un eufemismo para la posible pérdida de empleos. Las empresas y las sociedades deben desarrollar programas de reciclaje profesional, redes de seguridad social y nuevos conceptos educativos para gestionar esta transición.

La segunda controversia se refiere a la concentración de poder. Con ChatGPT, OpenAI controla una plataforma con 800 millones de usuarios y está construyendo sobre ella un ecosistema que abarca desarrolladores, usuarios y transacciones. Esta concentración recuerda al poder de mercado de Google, Apple o Amazon. El peligro: OpenAI podría dictar condiciones, aumentar las tarifas o favorecer a ciertos desarrolladores. Los reguladores ven este desarrollo con creciente escepticismo. Podrían surgir investigaciones antimonopolio. Las empresas que dependen en gran medida de ChatGPT corren el riesgo de volverse dependientes de una plataforma cuyo futuro es incierto.

La tercera controversia se refiere a los deepfakes y la desinformación. A pesar de las medidas de seguridad, los medios sintéticos pueden ser mal utilizados. Manipulación política, fraude financiero, daño a la reputación: los riesgos son reales. Las propias pruebas de OpenAI mostraron una tasa de error del 1,6 % al bloquear deepfakes sexuales que infringen las normas. Incluso pequeñas tasas de error pueden dar lugar a miles de contenidos problemáticos para millones de usuarios. La sociedad debe desarrollar tecnologías de detección, marcos legales y medidas educativas para afrontar esta nueva realidad.

La cuarta controversia se refiere a la protección y vigilancia de datos. Los agentes de IA necesitan acceder a los datos para trabajar eficazmente. Las empresas deben garantizar la protección de la información confidencial. Las soluciones empresariales de OpenAI prometen no utilizar datos corporativos para entrenar modelos públicos. Sin embargo, aún es necesario generar confianza en estas promesas. También existe el riesgo de que el uso generalizado de la IA genere una cultura de vigilancia donde cada acción se documente y analice.

La quinta controversia se refiere al impacto ambiental. Entrenar grandes modelos de IA requiere una enorme potencia de cálculo y, por lo tanto, energía. OpenAI está invirtiendo fuertemente en centros de datos y chips. El propio Sam Altman ha centrado su atención en adquirir mayor capacidad de cálculo. Esta expansión tiene una huella ecológica. Las empresas que utilizan IA deberían considerar aspectos de sostenibilidad y buscar soluciones energéticamente eficientes.

Estas controversias demuestran que la transformación que describe Altman no es puro progreso. Trae consigo desafíos, riesgos y dilemas éticos. Las empresas deben actuar con responsabilidad, generar transparencia y participar activamente en la búsqueda de soluciones.

Perspectivas de futuro: tendencias y posibles cambios

¿Qué avances podemos esperar en los próximos años? En primer lugar, una mayor democratización. Las herramientas sin código y de bajo código serán aún más accesibles. La barrera para crear aplicaciones de IA propias seguirá disminuyendo. Esto provocará una explosión de aplicaciones, pero también fragmentación y problemas de calidad. Las plataformas que ofrecen selección, control de calidad e integración serán más valiosas.

En segundo lugar, aumentarán los niveles de autonomía. Los agentes podrán completar cada vez más tareas de forma autónoma que duren varios días o semanas. Altman sugirió que Codex pronto podría asumir de forma autónoma el trabajo de una semana. Esto reorientará aún más el rol de los trabajadores humanos hacia la supervisión, la estrategia y la creatividad. El trabajo se volverá menos transaccional y más transformador.

En tercer lugar, la multimodalidad se convertirá en la norma. GPT-5 y Sora 2 demuestran que la IA comprende y genera no solo texto, sino también imágenes, vídeos y audio. Los sistemas futuros alternarán fluidamente entre estas modalidades. Un usuario podría describir un concepto y la IA generaría un vídeo, un documento de diseño y una presentación, todo en una sola pasada.

Cuarto: Personalización a nivel individual. La IA será cada vez más capaz de comprender las preferencias, los estilos de aprendizaje y los contextos de cada usuario y adaptar sus respuestas en consecuencia. Esto genera experiencias hiperpersonalizadas, pero también plantea interrogantes sobre los filtros burbuja y la manipulación.

En quinto lugar, la regulación se está intensificando. Gobiernos de todo el mundo están trabajando en la legislación sobre IA. La Ley de IA de la UE, las regulaciones chinas y las iniciativas estadounidenses buscan minimizar los riesgos y promover la innovación. Las empresas no solo deben cumplir con estas regulaciones, sino también adaptarlas activamente para crear un marco práctico.

En sexto lugar, están surgiendo nuevos modelos de negocio. Comercio conversacional, IA como servicio, mercados de agentes: la monetización de la IA se está diversificando. Las empresas que experimentan con anticipación pueden obtener ventajas como pioneros.

Séptimo: Los equipos híbridos humano-IA se convertirán en la norma. El futuro no es humano contra máquina, sino humano con máquina. Las empresas más exitosas serán aquellas que optimicen esta colaboración. Esto requiere nuevos conceptos de liderazgo, nuevas estructuras organizativas y un cambio cultural.

Octavo: integración de hardware. Altman está trabajando con Jony Ive en nuevos dispositivos. Cuando la IA se integre en wearables, gafas inteligentes u otros formatos, la forma en que interactuamos con la tecnología cambiará radicalmente. La interfaz conversacional se volverá omnipresente, siempre disponible y sensible al contexto.

Síntesis: Recomendaciones para la acción en la nueva era

Los cinco puntos de vista de la entrevista de Altman no son tendencias aisladas, sino fuerzas convergentes que están transformando los cimientos de la economía digital. ChatGPT, como plataforma de distribución, está transformando el lugar y la forma en que las empresas llegan a su público objetivo. Agent Builder está democratizando la automatización y trasladando el poder de la innovación de los centros a las personas. Las empresas de cero personas están desafiando la relación entre el trabajo y la creación de valor. Los avances científicos impulsados ​​por la IA están acelerando exponencialmente la investigación y el desarrollo. Los medios sintéticos abren posibilidades creativas, pero requieren estrictas normas éticas.

Esto crea áreas de acción claras para las empresas. Primero: Experimentar. Lanzar pequeños proyectos piloto de IA, aprender y repetir. No esperar es una opción. Segundo: Establecer una gobernanza. Establecer marcos de protección de datos, seguridad, ética y calidad antes de que surjan problemas. Tercero: Desarrollar el talento. Los empleados deben aprender a trabajar con IA, aprovechar sus fortalezas y desarrollar habilidades complementarias. Cuarto: Establecer alianzas. Ninguna empresa puede gestionarlo todo sola. Los ecosistemas, las colaboraciones y los estándares abiertos son cruciales. Quinto: Asumir la responsabilidad. Transparencia hacia los clientes, trato justo a los empleados y contribución a las soluciones sociales: las empresas deben definir conscientemente su papel en la transformación.

La era que Altman describe no es un futuro lejano, sino un presente en desarrollo. Los ganadores no serán las empresas más grandes ni las más tradicionales, sino las más adaptables. Aquellas que aprenden con rapidez, experimentan con audacia y actúan con responsabilidad. La transformación de la productividad a la creatividad, de las herramientas a la infraestructura, de lo humano a lo humano, está ocurriendo ahora. Y cada empresa debe decidir: moldearla o ser moldeada.

¿Quién es Rowan Cheun?

Rowan Cheung es un emprendedor canadiense, comunicador tecnológico y una de las voces más influyentes en inteligencia artificial. Es el fundador y director ejecutivo de The Rundown AI, el boletín informativo sobre IA de mayor crecimiento a nivel mundial, con más de 350.000 suscriptores y millones de lectores en redes sociales. Originario de Vancouver, Columbia Británica, se ha consolidado como una figura clave en los medios desde 2023, presentando el conocimiento sobre IA de forma comprensible, accesible y estratégica.

Cheung comenzó su carrera no en tecnología, sino como nadador de competición. Tras sufrir problemas de salud durante la pandemia de COVID-19, se dedicó al mundo de la tecnología y la IA como emprendedor autodidacta. En menos de un año, aprendió a programar y posteriormente fundó Supertools, una plataforma de bases de datos para aplicaciones de IA con más de 250.000 usuarios mensuales. Su contenido y análisis sobre los avances en IA generativa, automatización y negocios basados ​​en IA lo convirtieron rápidamente en una figura clave del panorama tecnológico global.

En 2023, ganó el Twitter Growth Challenge como el comunicador tecnológico de más rápido crecimiento del mundo en Platform X (anteriormente Twitter). Hoy, es uno de los diez fundadores tecnológicos más influyentes en redes sociales, en una categoría que incluye figuras como Elon Musk, Gary Vaynerchuk y Sam Altman.

Además de sus proyectos mediáticos, Rowan Cheung presenta el podcast "El Estado de la IA", en el que entrevista regularmente a figuras clave del sector tecnológico, como Sam Altman, Mark Zuckerberg y Jensen Huang. El podcast y el boletín "The Rundown" se consideran fuentes clave de información para directivos, emprendedores y desarrolladores del sector de la IA.

Cheung es conocido por su perspectiva práctica sobre la IA: cómo las empresas pueden lograr beneficios concretos de productividad, cómo implementar agentes en el lugar de trabajo y cómo las personas pueden escalar mediante la IA sin formar grandes equipos. En entrevistas, destaca con frecuencia que su pequeño equipo de unos 15 empleados opera como una empresa de 50 personas gracias a los flujos de trabajo inteligentes de la IA.

En resumen, Rowan Cheung representa la nueva generación de fundadores de IA: autodidactas, orientados a los datos, extremadamente expertos en Internet y con la capacidad de traducir desarrollos tecnológicos complejos en estrategias concretas y aplicables para las empresas.

☑️ Nuestro idioma comercial es inglés o alemán.

☑️ NUEVO: ¡Correspondencia en tu idioma nacional!

Konrad Wolfenstein

Estaré encantado de servirle a usted y a mi equipo como asesor personal.

Puedes ponerte en contacto conmigo rellenando el formulario de contacto o simplemente llámame al +49 89 89 674 804 (Múnich) . Mi dirección de correo electrónico es: wolfenstein ∂ xpert.digital

Estoy deseando que llegue nuestro proyecto conjunto.

☑️ Apoyo a las PYMES en estrategia, consultoría, planificación e implementación.

☑️ Creación o realineamiento de la estrategia digital y digitalización

☑️ Ampliación y optimización de procesos de ventas internacionales

☑️ Plataformas comerciales B2B globales y digitales

☑️ Pionero en desarrollo empresarial / marketing / relaciones públicas / ferias comerciales

Benefíciese de la amplia y quíntuple experiencia de Xpert.Digital en un paquete integral de servicios | I+D, XR, RR. PP. y optimización de la visibilidad digital - Imagen: Xpert.Digital

Xpert.Digital tiene un conocimiento profundo de diversas industrias. Esto nos permite desarrollar estrategias a medida que se adaptan precisamente a los requisitos y desafíos de su segmento de mercado específico. Al analizar continuamente las tendencias del mercado y seguir los desarrollos de la industria, podemos actuar con previsión y ofrecer soluciones innovadoras. Mediante la combinación de experiencia y conocimiento generamos valor añadido y damos a nuestros clientes una ventaja competitiva decisiva.

Más sobre esto aquí:

• Utilice la experiencia quíntuple de Xpert.Digital en un solo paquete, desde sólo 500 € al mes